[ Skip to the content ]

Institute of Formal and Applied Linguistics Wiki

• ÚFAL Wiki Home
• ÚFAL Home
• Sitemap
• RSS
• ÚFAL calendar
• Recent changes
• Login
• Hledat:

[ Back to the navigation ]

Differences

This shows you the differences between two versions of the page.

View differences: Side by SideInline Go

Link to this comparison view

Both sides previous revision Previous revision 2009/03/26 08:21 zeman Úvod.2009/03/13 18:25 zeman A pak ještě Makefile.2009/03/13 18:24 zeman Sémantika.2009/03/03 16:28 zeman Makefile.2009/03/02 11:38 zeman Výsledky CoNLL 2009 (zatím bez úprav značek).2008/04/29 13:04 zeman Srovnání konfigurací parseru.2008/04/29 12:56 zeman Doplnění německých a portugalských výsledků s výchozí konfigurací parseru.2008/04/29 12:23 zeman Tvar parametru VAR.2008/04/29 10:12 zeman Výsledky němčiny a portugalštiny.2008/04/25 11:49 zeman Parametr vypsat_tabulku.pl2008/04/25 11:42 zeman Upřesnění parametrů.2008/04/25 11:30 zeman Dokumentace skriptů.2008/04/01 10:03 zeman Dodatečně ještě němčina.2008/03/28 18:57 zeman 2008/03/28 18:57 zeman 02 a 03.2008/03/28 18:23 zeman Srovnání výchozího nastavení CoNLL s nastavením 01 PDT.2008/03/28 18:15 zeman 2008/03/28 17:56 zeman 2008/03/28 16:44 zeman Zapnutá úprava morfologických značek a selektivní lexikalizace.2008/03/28 15:49 zeman Oprava výchozích výsledků. Nyní se opravdu neupravují morfologické značky a správně se ukládají události s tabulátory.2008/03/28 15:43 zeman 2008/03/28 15:20 zeman Opravný experiment.2008/03/28 12:45 zeman 2008/03/28 12:42 zeman Statistická významnost.2008/03/28 12:28 zeman Statistická významnost.2008/03/27 22:58 zeman Komentář k výsledkům se značkami PDT.2008/03/27 22:49 zeman Čeština 2006.2008/03/27 22:38 zeman Výsledky se značkami PDT.2008/03/27 21:51 zeman Výsledky 2006.2008/03/27 21:10 zeman Výsledky dtest původní značky.2008/03/27 20:44 zeman 2008/03/26 16:35 zeman Výsledky rozboru češtiny.2008/03/26 16:05 zeman Ještě výstup.2008/03/26 16:01 zeman Rozbor češtiny.2008/03/26 13:30 zeman Trénování se značkami PDT.2008/03/26 11:56 zeman Trénování parseru na češtině z CoNLL 2006.2008/03/26 09:49 zeman Čeština 2006.2008/03/05 18:53 zeman Parsing korpusu s převedenými značkami.2008/03/05 18:49 zeman Převod značek do sady PDT.2008/03/05 14:32 zeman Nefunguje.2007/03/29 23:13 zeman vytvořeno Go Next revision		Previous revision 2009/03/26 08:21 zeman Úvod.2009/03/13 18:25 zeman A pak ještě Makefile.2009/03/13 18:24 zeman Sémantika.2009/03/03 16:28 zeman Makefile.2009/03/02 11:38 zeman Výsledky CoNLL 2009 (zatím bez úprav značek).2008/04/29 13:04 zeman Srovnání konfigurací parseru.2008/04/29 12:56 zeman Doplnění německých a portugalských výsledků s výchozí konfigurací parseru.2008/04/29 12:23 zeman Tvar parametru VAR.2008/04/29 10:12 zeman Výsledky němčiny a portugalštiny.2008/04/25 11:49 zeman Parametr vypsat_tabulku.pl2008/04/25 11:42 zeman Upřesnění parametrů.2008/04/25 11:30 zeman Dokumentace skriptů.2008/04/01 10:03 zeman Dodatečně ještě němčina.2008/03/28 18:57 zeman 2008/03/28 18:57 zeman 02 a 03.2008/03/28 18:23 zeman Srovnání výchozího nastavení CoNLL s nastavením 01 PDT.2008/03/28 18:15 zeman 2008/03/28 17:56 zeman 2008/03/28 16:44 zeman Zapnutá úprava morfologických značek a selektivní lexikalizace.2008/03/28 15:49 zeman Oprava výchozích výsledků. Nyní se opravdu neupravují morfologické značky a správně se ukládají události s tabulátory.2008/03/28 15:43 zeman 2008/03/28 15:20 zeman Opravný experiment.2008/03/28 12:45 zeman 2008/03/28 12:42 zeman Statistická významnost.2008/03/28 12:28 zeman Statistická významnost.2008/03/27 22:58 zeman Komentář k výsledkům se značkami PDT.2008/03/27 22:49 zeman Čeština 2006.2008/03/27 22:38 zeman Výsledky se značkami PDT.2008/03/27 21:51 zeman Výsledky 2006.2008/03/27 21:10 zeman Výsledky dtest původní značky.2008/03/27 20:44 zeman 2008/03/26 16:35 zeman Výsledky rozboru češtiny.2008/03/26 16:05 zeman Ještě výstup.2008/03/26 16:01 zeman Rozbor češtiny.2008/03/26 13:30 zeman Trénování se značkami PDT.2008/03/26 11:56 zeman Trénování parseru na češtině z CoNLL 2006.2008/03/26 09:49 zeman Čeština 2006.2008/03/05 18:53 zeman Parsing korpusu s převedenými značkami.2008/03/05 18:49 zeman Převod značek do sady PDT.2008/03/05 14:32 zeman Nefunguje.2007/03/29 23:13 zeman vytvořeno Go Next revision Both sides next revision
user:zeman:dz-parser:conll [2008/03/27 22:58] zeman Komentář k výsledkům se značkami PDT.		user:zeman:dz-parser:conll [2008/03/28 18:15] zeman
Line 28:		Line 28:
	$PARSER/train.pl < $DATA/$ROK/$JAZYK/dtrain.csts > $JAZYK.stat		$PARSER/train.pl < $DATA/$ROK/$JAZYK/dtrain.csts > $JAZYK.stat
	($PARSER/parse.pl -m $JAZYK.stat < $DATA/$ROK/$JAZYK/dtest.csts > $JAZYK.dtest.dz.csts) >& $JAZYK.dtest.log</code>		($PARSER/parse.pl -m $JAZYK.stat < $DATA/$ROK/$JAZYK/dtest.csts > $JAZYK.dtest.dz.csts) >& $JAZYK.dtest.log</code>
		+
		+
		+
		+
		+
		+
		+
		+
		+
Line 34:		Line 43:
	===== Výsledky =====		===== Výsledky =====
-	Následující tabulka ukazuje úspěšnost DZ parseru s výchozím nastavením na průběžných testovacích datech CoNLL, s původními značkami CoNLL (tabulátory, rysy oddělené svislítky):	+	==== Výchozí nastavení ====
		+
		+	Následující tabulka ukazuje úspěšnost DZ parseru s výchozím nastavením na průběžných testovacích datech CoNLL, s původními neupravenými značkami CoNLL (tabulátory, rysy oddělené svislítky).
		+
		+	| Jazyk | Rok | P |
		+	| ar | 2006 | 63.9 |
		+	| ar | 2007 | 64.9 |
		+	| bg | 2006 | 72.3 |
		+	| ca | 2007 | 72.7 |
		+	| cs | 2006 | 64.1 |
		+	| cs | 2007 | 69.1 |
		+	| da | 2006 | 69.9 |
		+	| de | 2006 | 71.8 |
		+	| el | 2007 | 65.0 |
		+	| en | 2007 | 70.6 |
		+	| eu | 2007 | 58.6 |
		+	| hu | 2007 | 62.3 |
		+	| it | 2007 | 71.5 |
		+	| ja | 2006 | 87.3 |
		+	| nl | 2006 | 73.7 |
		+	| pt | 2006 | 73.8 |
		+	| sl | 2006 | 58.7 |
		+	| sv | 2006 | 71.0 |
		+	| tr | 2007 | 64.6 |
		+	| zh | 2006 | 69.9 |
		+	| zh | 2007 | 69.0 |
		+
		+	Následující tabulka srovnává výsledky s původními značkami CoNLL a výsledky se značkami PDT. Data jsou dtest. Nastavení parseru je výchozí, tj. úprava značek ani selektivní lexikalizace není zapnuta. Poslední sloupec říká, zda je změna úspěšnosti statisticky významná podle McNemarova testu na úrovni 0,05 (χ<html><sup>2</sup></html> ≥ 3,84).
		+
		+	| Jazyk | Rok | P(CoNLL) | P(PDT) | Změna | McNemar |
		+	| ar | 2006 | 63.9 | 66.8 | lepší | ano (19.858476) |
		+	| ar | 2007 | 64.9 | 64.2 | horší | ne (1.497453) |
		+	| bg | 2006 | 72.3 | 71.2 | horší | ne (3.205607) |
		+	| cs | 2006 | 64.1 | 64.1 | lepší | ne (0.007519) |
		+	| cs | 2007 | 69.1 | 68.6 | horší | ano (3.948357) |
		+	| da | 2006 | 69.9 | 70.5 | lepší | ne (2.082218) |
		+	| en | 2007 | 70.6 | 65.4 | horší | ano (227.951382) |
		+	| sv | 2006 | 71.0 | 72.6 | lepší | ano (12.763713) |
		+	| zh | 2006 | 69.9 | 68.4 | horší | ne (1.574297) |
		+	| zh | 2007 | 69.0 | 63.7 | horší | ano (22.360248) |
		+
		+	U čínštiny lze zhoršení snadno vysvětlit. Čínská sada značek se velmi liší od ostatních, do Intersetu se vejde jen nepatrný zlomek informace, kterou značky nesou, takže ztráta informace při převodu značek je mimořádně veliká.
-	| Jazyk | Rok | A | G | B | P |	+	==== 01: zapnuté upravování značek a selektivní lexikalizace ====
-	| ar | 2006 | 3955 | 2555 | 1400 | 64,6 |	+
-	| ar | 2007 | 5873 | 3757 | 2116 | 64,0 |	+
-	| bg | 2006 | 4677 | 3178 | 1499 | 67,9 |	+
-	| ca | 2007 | 10971 | 7670 | 3301 | 69,9 |	+
-	| cs | 2006 | 5643 | 3822 | 1821 | 67,7 |	+
-	| cs | 2007 | 5760 | 4061 | 1699 | 70,5 |	+
-	| da | 2006 | 5470 | 3792 | 1678 | 69,3 |	+
-	| de | 2006 | 5403 | 3704 | 1699 | 68,6 |	+
-	| el | 2007 | 4874 | 3132 | 1742 | 64,3 |	+
-	| en | 2007 | 9529 | 6163 | 3366 | 64,7 |	+
-	| eu | 2007 | 4334 | 2477 | 1857 | 57,2 |	+
-	| hu | 2007 | 5995 | 4088 | 1907 | 68,2 |	+
-	| it | 2007 | 7643 | 5556 | 2087 | 72,7 |	+
-	| ja | 2006 | 3384 | 2524 | 860 | 74,6 |	+
-	| nl | 2006 | 6187 | 4579 | 1608 | 74,0 |	+
-	| pt | 2006 | 6719 | 4941 | 1778 | 73,5 |	+
-	| sl | 2006 | 4307 | 2765 | 1542 | 64,2 |	+
-	| sv | 2006 | 7140 | 5075 | 2065 | 71,1 |	+
-	| tr | 2007 | 6210 | 3920 | 2290 | 63,1 |	+
-	| zh | 2006 | 1839 | 1269 | 570 | 69,0 |	+
-	| zh | 2007 | 2277 | 1506 | 771 | 66,1 |	+
-	Následující tabulka srovnává výsledky s původními značkami CoNLL a výsledky se značkami PDT. Data jsou dtest. Nastavení parseru je výchozí, tj. značky nejsou upravovány a selektivní lexikalizace není zapnuta.	+	Následující tabulka ukazuje úspěšnost DZ parseru se zapnutou úpravou morfologických značek a selektivní lexikalizací na průběžných testovacích datech CoNLL, s původními značkami CoNLL (tabulátory, rysy oddělené svislítky).
-	| Jazyk | Rok | Značky | A | G | B | P |	+	| Jazyk | Rok | P |
-	| ar | 2006 | CoNLL | 3955 | 2555 | 1400 | 64,6 |	+	| ar | 2006 | 64.3 |
-	| ar | 2006 | PDT   | 3955 | 2595 | 1360 | 65,6 |	+	| ar | 2007 | 59.8 |
-	| ar | 2007 | CoNLL | 5873 | 3757 | 2116 | 64,0 |	+	| bg | 2006 | 67.9 |
-	| ar | 2007 | PDT   | 5873 | 3793 | 2080 | 64,6 |	+	| ca | 2007 | 69.9 |
-	| bg | 2006 | CoNLL | 4677 | 3178 | 1499 | 67,9 |	+	| cs | 2006 | 56.0 |
-	| bg | 2006 | PDT   | 4677 | 3338 | 1339 | 71,4 |	+	| cs | 2007 | 58.7 |
-	| cs | 2006 | CoNLL | 5643 | 3822 | 1821 | 67,7 |	+	| da | 2006 | 69.3 |
-	| cs | 2006 | PDT   | 5643 | 4050 | 1593 | 71,8 |	+	| de | 2006 | 68.5 |
-	| cs | 2007 | CoNLL | 5760 | 4061 | 1699 | 70,5 |	+	| el | 2007 | 67.5 |
-	| cs | 2007 | PDT   | 5760 | 4294 | 1466 | 74,5 |	+	| en | 2007 | 64.7 |
-	| da | 2006 | CoNLL | 5470 | 3792 | 1678 | 69,3 |	+	| eu | 2007 | 58.4 |
-	| da | 2006 | PDT   | 5470 | 3804 | 1666 | 69,5 |	+	| hu | 2007 | 66.1 |
-	| en | 2007 | CoNLL | 9529 | 6163 | 3366 | 64,7 |	+	| it | 2007 | 73.4 |
-	| en | 2007 | PDT   | 9529 | 6254 | 3275 | 65,6 |	+	| ja | 2006 | 74.6 |
-	| sv | 2006 | CoNLL | 7140 | 5075 | 2065 | 71,1 |	+	| nl | 2006 | 73.0 |
-	| sv | 2006 | PDT   | 7140 | 5232 | 1908 | 73,3 |	+	| pt | 2006 | 73.5 |
-	| zh | 2006 | CoNLL | 1839 | 1269 | 570 | 69,0 |	+	| sl | 2006 | 63.8 |
-	| zh | 2006 | PDT   | 1839 | 1252 | 587 | 68,1 |	+	| sv | 2006 | 71.1 |
-	| zh | 2007 | CoNLL | 2277 | 1506 | 771 | 66,1 |	+	| tr | 2007 | 65.1 |
-	| zh | 2007 | PDT   | 2277 | 1449 | 828 | 63,6 |	+	| zh | 2006 | 69.0 |
		+	| zh | 2007 | 66.1 |
-	Převod značek do sady PDT pomohl všude kromě čínštiny, i když u některých jazyků možná změna nebyla statisticky významná. U čínštiny lze zhoršení snadno vysvětlit. Čínská sada značek se velmi liší od ostatních, do Intersetu se vejde jen nepatrný zlomek informace, kterou značky nesou, takže ztráta informace při převodu značek je mimořádně veliká.	+	| Jazyk | Rok | P(CoNLL) | P(PDT) | Změna | McNemar |
		+	| ar | 2006 | 64.3 | 67.3 | lepší | ano (20.855670) |
		+	| ar | 2007 | 59.8 | 66.7 | lepší | ano (149.962142) |
		+	| bg | 2006 | 67.9 | 71.4 | lepší | ano (44.137931) |
		+	| cs | 2006 | 56.0 | 71.6 | lepší | ano (597.483871) |
		+	| cs | 2007 | 58.7 | 74.2 | lepší | ano (616.602151) |
		+	| da | 2006 | 69.3 | 69.5 | lepší | ne (0.114286) |
		+	| en | 2007 | 64.7 | 65.6 | lepší | ano (8.781548) |
		+	| sv | 2006 | 71.1 | 73.1 | lepší | ano (24.144134) |
		+	| zh | 2006 | 69.0 | 68.1 | horší | ne (1.000000) |
		+	| zh | 2007 | 66.1 | 63.6 | horší | ano (8.950413) |
	===== Starší poznámky =====		===== Starší poznámky =====

---

[ Back to the navigation ] [ Back to the content ]